전기 자동차(EV)의 급증은 분산 충전 제어에 큰 과제를 안겨준다. 기존의 분산 방식은 에너지 비용 절감, 전력 피크 방지, 운전자 프라이버시 보호를 위해 다수의 EV를 효율적으로 조정하지만, 스테이션 정전이나 예상치 못한 충전 요청 증가와 같은 비상 상황에서는 어려움을 겪는다. 본 논문에서는 EV가 개별 편의성과 시스템 전체 효율성(즉, 전체 스테이션의 대기열) 사이의 균형을 맞추도록 하는 새로운 집단 학습 기반 조정 프레임워크를 제안한다. 이 프레임워크는 가변적인 스테이션 용량 및 동적 시공간적 EV 분포 하에서 Pareto-optimal trade-off를 달성하기 위해 편의성과 효율성 간의 우선순위를 전환하는 적응형 충전 동작을 EV에 권장한다. 실제 EV 및 충전소 데이터를 사용한 실험 결과, 제안된 방식이 기준 방법보다 성능이 우수하며 이동 및 대기 시간을 크게 단축하는 것으로 나타났다. 스테이션 정전 비율이 높고 적대적인 EV가 있는 상황에서도 분산 EV 충전 인프라의 향상된 복원력과 신뢰성을 보여주었다.
